인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
최근 네트워크 기술의 발전으로 데이터 트래픽이 급증하고 있으며, 이와 함께 사이버 위협의 규모도 증가하고 있다. 본 논문에서는 IDS/IPS에서 수집된 데이터셋을 활용하여 오버샘플링 기법과 XGBoost, LightGBM, CatBoost 등의 부스팅 알고리즘을 적용한 고급 네트워크 트래픽 이상 탐지 기법을 제안한다. 제안된 접근 방식은 데이터 불균형 문제를 완화하고, 다양한 약한 분류기를 결합하여 강력한 예측 모델을 형성하여 이상 탐지의 정확도와 효율성을 높인다. XGBoost와 LightGBM 모델이 기존 탐지 기법에 비해 0.5~0.9%의 우수한 성능 향상을 보였으며, 실시간 연산 수행 측면에서는 XGBoost가 가장 적합함을 확인하였다. 또한 오버샘플링 기법이 탐지 성능 향상에 기여함을 검증하였다. 본 연구는 동적이고 복잡한 네트워크 환경에서 IDS/IPS 시스템이 효율적으로 이상 징후를 탐지할 수 있도록 돕고, 네트워크 보안의 신뢰성과 안정성을 강화하고자 한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093108125
